我有两个模型，m1和m2（参考模型），用于预测每天6个时间点的电价。我使用 MSE 在预测初始化后的测试间隔（5 天）内衡量模型性能，并使用技能分数 (1-m1/m2) 比较模型，看看哪个是最好的。我这样做是为了大量的测试间隔。
观察到的价格、预测的预测和平方误差都表现出一定的相关性（不是独立的，不可交换的）。
如果 skill 很高（接近 1），很容易说 m1 是对 m2 的改进，但是当 skill 接近 0 时，例如0.05，我怎么能确定 m1 是一个改进？
一种选择是使用蒙特卡洛置换检验，技能分数作为检验统计量。但这要求数据是可交换的。相关时间序列数据的替代方案是什么？如果我总结每天的结果，并对这些结果进行排列，如果总和不相关，这是一种有效的方法吗？